pdf.js：循环搜索文本的页面答案

【问题标题】：pdf.js: looping through pages searching for textpdf.js：循环搜索文本的页面
【发布时间】：2020-07-15 06:52:32
【问题描述】：

我想这更多是关于如何正确使用 Promises 的问题，我不明白：

根据这个网站 (https://ourcodeworld.com/articles/read/405/how-to-convert-pdf-to-text-extract-text-from-pdf-with-javascript)，我们以这种方式从页面中提取文本：

// assume pdf file has been loaded
function getPageText(pageNum, PDFDocumentInstance) {
    // Return a Promise that is solved once the text of the page is retrieven
    return new Promise(function (resolve, reject) {
        PDFDocumentInstance.getPage(pageNum).then(function (pdfPage) {
            // The main trick to obtain the text of the PDF page, use the getTextContent method
            pdfPage.getTextContent().then(function (textContent) {
                var textItems = textContent.items;
                var finalString = "";

                // Concatenate the string of the item to the final string
                for (var i = 0; i < textItems.length; i++) {
                    var item = textItems[i];
                    finalString += item.str + " ";
                }
                // Solve promise with the text retrieven from the page
                resolve(finalString);
            });
        });
    });
}

我想在所有页面中搜索某个字符串，直到找到包含该字符串的页面。我尝试了在 for 循环中调用上述函数的明显错误方法，但不知道在找到字符串时如何结束。感谢您的帮助！

【问题讨论】：

PDFDocumentInstance.getPage(pageNum) 已经返回了一个 Promise，将其包装在一个新的 Promise 中是一种反模式，请给我一点时间来修复您的代码
这应该可以，希望：pastebin.com/cAvd9XBW
@ChrisG，感谢您重构上面的代码-我肯定会使用您的版本-但它没有回答我的问题，即如何在文档的页面中逐页搜索某个字符串。
这是带有文本搜索模型的工作代码：jsfiddle.net/69hjL4tc 它使用内部带有await 的循环来按顺序搜索页面。也可以使用 Promise.all() 一次搜索所有页面，顺便说一句
那个1s超时只是模拟实际异步操作的模型；小提琴只应该展示如何按顺序运行异步调用，直到满足某个条件

标签： javascript es6-promise pdf.js

【解决方案1】：

这是一个蹩脚的尝试。它是递归的（希望不是），虽然它找到了文本并进行了 resolve() 调用，但我不知道从哪里执行，因为它没有像我希望的那样记录到控制台：

  function findText() {
    var textToFind = document.getElementById('textToFind').value;
    findIt( 1, textToFind ).then( function( pageIndex ) {
      // the line below never gets called. i expected the resolve() method 
      // further down to come here.
      console.log( 'Found ' + textToFind + ' on page ' + pageIndex );
    },
    function(reason) {
      console.log(reason);
    });
  }

  function findIt( pageIndex, textToFind ) {
    return new Promise( function( resolve, reject ) {
      if ( pageIndex > pdfObject.numPages-1 ) {
        reject("Couldn't find " + textToFind);
      }
      getPageText( pageIndex ).then( function( pageText ) {
        if ( pageText.indexOf(textToFind) === -1 ) {
          findIt( pageIndex+1, textToFind );
        }
        else {
          resolve(pageIndex); // in the debugger, i get here
        }
      });
    });
  }

【讨论】：